我正试图将这个制表符分隔的文件读取到panda中,但有一点需要注意:最后一列(平均值)必须从表示科学表示法中值的字符串转换为numpy.float64。
到目前为止,我已经尝试过
df = pd.DataFrame(pd.io.parsers.read_table(fle, converters={'mean': lambda x: np.float64(x)}))
但我在df[‘mean’]中得到的只是CCD_ 1和CCD_。
我还尝试过在不使用converters
kwarg的情况下导入,然后通过执行df['mean'].astype(np.float64)
来强制转换列,得到了类似的结果。
什么东西?
它们不是零。pandas
可能在打印DataFrame/Series
时进行了一些格式化,因此它们看起来像零。
顺便说一下,您不需要转换器。read_table
正确地将它们识别为float64
:
In [117]: df = pandas.read_table('gradStat_mmn.tdf')
In [118]: df.ix[0:10]
Out[118]:
Subject Group Local Global Attn mean
0 1 DSub S S Attn 0
1 1 DSub S S Dist 0
2 1 DSub D S Attn 0
3 1 DSub D S Dist 0
4 1 DSub S D Attn 0
5 1 DSub S D Dist 0
6 1 DSub D D Attn 0
7 1 DSub D D Dist 0
8 2 ASub S S Attn 0
9 2 ASub S S Dist 0
10 2 ASub D S Attn 0
In [119]: df['mean'].dtype
Out[119]: dtype('float64')
In [120]: df['mean'][0]
Out[120]: 3.2529000000000002e-22
pandas的0.9版本已经修复了这一问题:
In [4]: df = pandas.read_table('http://dl.dropbox.com/u/6160029/gradStat_mmn.tdf')
In [5]: df.head()
Out[5]:
Subject Group Local Global Attn mean
0 1 DSub S S Attn 3.252900e-22
1 1 DSub S S Dist 6.010100e-22
2 1 DSub D S Attn 4.215700e-22
3 1 DSub D S Dist 8.308100e-22
4 1 DSub S D Attn 2.983500e-22